蓋世汽車(chē)訊 想象一下看一會(huì)兒繁忙的街道，然后嘗試勾畫(huà)出從記憶中看到的場(chǎng)景。大多數(shù)人都可以畫(huà)出汽車(chē)、人和人行橫道等主要物體的大致位置，但幾乎沒(méi)有人能夠以像素完美的精度畫(huà)出每個(gè)細(xì)節(jié)。大多數(shù)現(xiàn)代計(jì)算機(jī)視覺(jué)算法也是如此：它們非常擅長(zhǎng)捕捉場(chǎng)景的高級(jí)細(xì)節(jié)，但在處理信息時(shí)會(huì)丟失細(xì)粒度的細(xì)節(jié)。

據(jù)外媒報(bào)道，麻省理工學(xué)院（MIT）的研究人員創(chuàng)建出名為“FeatUp”的系統(tǒng)，可以讓算法同時(shí)捕獲場(chǎng)景的所有高級(jí)和低級(jí)細(xì)節(jié)——幾乎就像計(jì)算機(jī)視覺(jué)的激光近視手術(shù)一樣。

圖片來(lái)源：麻省理工學(xué)院

當(dāng)通過(guò)查看圖像和視頻來(lái)學(xué)習(xí)“看”時(shí)，計(jì)算機(jī)會(huì)通過(guò)稱(chēng)為“特征”的東西建立對(duì)場(chǎng)景中內(nèi)容的“想法”。為了創(chuàng)建這些功能，深度網(wǎng)絡(luò)和視覺(jué)基礎(chǔ)模型將圖像分解為小方塊網(wǎng)格，并將這些方塊作為一個(gè)組進(jìn)行處理，以確定照片中發(fā)生了什么。每個(gè)小方塊通常由16到32個(gè)像素組成，因此這些算法的分辨率比它們處理的圖像要小得多。在嘗試總結(jié)和理解照片時(shí)，算法會(huì)損失大量像素清晰度。

FeatUp算法可以阻止這種信息丟失并提高任何深度網(wǎng)絡(luò)的分辨率，而不會(huì)影響速度或質(zhì)量。這使得研究人員能夠快速、輕松地提高新的或現(xiàn)有算法的分辨率。例如，想象一下嘗試解釋肺癌檢測(cè)算法的預(yù)測(cè)，以定位腫瘤。在使用類(lèi)激活圖（CAM）等方法解釋算法之前應(yīng)用FeatUp，可以根據(jù)模型產(chǎn)生腫瘤可能所在位置的更加詳細(xì)的（16-32x）視圖。

返回第一電動(dòng)網(wǎng)首頁(yè) >